Nama : Akbar Aryo Radiyas

Nim : G50119097
Kelas : A

RESUME
A. Hipotesis asosiatif

Hipotesis asosiatif adalah jawaban sementara terhadap rumusan masalah asosiatif,

yaitu yang menanyakan hubungan antara dua variabel atau lebih.Hipotesis asosiatif
termasuk salah satu hipotesis yang sering digunakan dalam penelitian
selain Deskriptif dan Komparatif. Secara umum, pengertian hipotesis adalah
dugaan atau jawaban sementara terhadap suatu masalah yang sifatnya praduga dan
harus dibuktikan kebenarannya melalui suatu penelitian.Pendapat lain mengatakan
arti hipotesis adalah suatu pendapat yang kebenarannya masih diragukan dan harus
diuji untuk membuktikan kebenarannya melalui percobaan atau penelitian. Jika
sebuah hipotesis telah melalui proses penelitian dan terbukti kebenarannya, maka
hipotesis tersebut akan disebut sebagai teori.

Contoh Soal Hipotesis asosiatif

Dilakukan penelitian untuk mengetahui ada tidaknya hubungan antara pendapatan

dan pengeluaran. Untuk keperluan tersebut telah dilakukan pengumpulan data
terhadap 10 responden yang diambil secara random. Berdasarkan 10 responden
tersebut diperoleh data tentang pendapatan (x) dan pengeluaran (y) per bulan dalam
ribuan.

x= 800 900 700 600 700 800 900 600 500 500
y= 300 300 200 200 200 200 300 100 100 100
 Ho: Tidak ada hubungan antara pendapatan dan pengeluaran
Ha: Terdapat hubungan antara pendapatan dan pengeluaran

atau:
Ho :ρ=0
Ha : ρ≠0

Tabel Penolong untuk menghitung korelasi antara pendapatan dan pengeluaran

No Pendapatan per Pengeluar an per _(X– _(Y– X2 Y2 XY

bulan bulan X) Y)
(Y) (Y) x y

12 8 9 3 3 1 2 1 1 14 11 1 2
3 7 2 0 0 0 0 0
4 6 2 -1 0 1 0 0
5 7 2 0 0 0 0 0
6 8 2 1 0 1 0 0
7 9 3 2 1 4 1 2
8 6 1 -1 – 1 1 1 1
9 5 1 – 2 -1 4 1 2
10 5 1 2 –1 4 1 2

Σ = 70 _ Σ = 20 _ 0 0 20 6 10
X=7 Y=2

r xy = Σ xy = 10 = 0,9129
√ Σ x2 y2 √(20)(6)
Kesimpulan :

Terdapat korelasi positif sebesar 0,9129 antara pendapatan dan pengeluaran setiap
bulannya, dimana semakin besar pendapatan, semakin besar pula pengeluaran.

B. Koefisien kontigensi

Koefisien Kontingensi adalah uji korelasi antara dua variabel yang berskala data
nominal. Fungsinya adalah untuk mengetahui asosiasi atau relasi antara dua
perangkat atribut. Koefisien ini fungsinya sama dengan beberapa jenis koefisien
korelasi lainnya, seperti koefisien korelasi phi, cramer, lambda,
uncertainty, spearman, kendall tau, gamma, Sommer’s. Namun dalam hal
ini, Kontingensi C adalah uji korelasi yang spesifik untuk data berskala nominal.
Selain itu uji ini juga paling sering atau lazim digunakan dibandingkan uji
koefisien korelasi data nominal lainnya.

Uji ini sangatlah erat kaitannya dengan uji chi-square. Sebab berdasarkan rumus
uji koefisien ini, bahwa tidaklah mungkin koefisien ini dapat dihitung tanpa
terlebih dahulu mengetahu nilai dari chi-square. Jadi, logikanya adalah hitung
terlebih dahulu chi-square, baru kemudian hitung koefisien kontingensi.

Contoh Soal Koefisien kontigensi

Misalkan akan diteliti, apakah terdapat korelasi positif yang signifikan antara
semangat berolah-raga dan kegairhan belajar. Sejumlah 200 orang subjek ditetapkan
sebagai sampel penelitian. Hasil pengumpulan data menunjukkan angka. Karena
angka indeks korelasi kontingensi Catau KK itu harus dihitung dengan kai kuadrat,
maka
langkah pertama yang harus kita tempuh adalah mengetahui besarnya kai kuadrat
tersebut.
TABEL. Data mengenai semangat berolah raga dan kegairahan belajar dari sejumlah
200 orang subjek.

Semangat
berolahraga
dan gairah Besar Kecil Sedang Jumlah
belajar
Besar 18 12 10 40
Sedang 34 43 33 110
Kurang 10 10 30 50
Jumlah 62 65 73 200=N

Setelah harga kai kuadrat kita ketahui, maka selanjutnya kita substitusikan kedalam
rumus koefisien kontingensi.[2]

Cara Menguji Hipotesis Korelasi Kontingensi

Suatu penelitian ingin mengetahui: “apakah ada perbedaan diantara mahasiswa
Fakultas A dalam hal kesukaannya terhadap beberapa jenis musik?”
Hasil hitung: X2 = 8,5
Yang akan dibuktikan:
Ha -> C ≠ 0
H0 -> C = 0:
Besarnya koefisien kontingensi:

:
 Signifikansi Koefisien Kontingensi
Uji signifikansi :
1. X2 = 8,5 -> signifikan pada ∂ = 0,02
2. C = 0,285
3. Jadi C ≠ 0

C. Koefisien Rank spearman

koefisien korelasi Spearman atau sering disebut juga sebagai Spearman Rank
Correlation Coefficient, digunakan untuk menghitung korelasi berdasarkan data yang
berbentuk peringkat (ranking). Berdasarkan kondisi dalam data, terdapat dua metode
dalam penghitungan koefisien korelasi Spearman, yaitu:

1. Apabila tidak terdapat peringkat yang “kembar/sama” (“tied rank”). Rumus yang
digunakan untuk menghitung korelasi Spearman tanpa peringka sama adalah

2. Apabila terdapat peringkat yang “kembar/sama” (“tied rank”). Rumus yang

digunakan jika terdapat ranking kembar yaitu
Contoh Soal Koefisien Rank spearman

Sebuah perusahaan sedang melakukan rekrutmen pegawai. Pimpinan perusahaan

ingin mengetahui apakah ada hubungan antara nilai ujian tertulis dengan jumlah
barang yang dijual oleh masing-masing salesman yang baru direkrut tersebut. Di
bawah ini adalah data mengenai ranking nilai ujian tertulis dan ranking hasil
penjualan dari sampel 10 orang salesman yang baru direkrut.

Salesman Ranking Nilai Ujian Tertulis Ranking Jumlah Penjualan

A 5 3

B 6 7

C 8 5

D 3 1

E 2 6

F 7 8

G 1 2

H 4 9
Salesman Ranking Nilai Ujian Tertulis Ranking Jumlah Penjualan
I 10 4

J 9 10

Pembahasan:
Hipotesis:
H0: Tidak ada hubungan antara ranking nilai ujian tertulis salesman dengan rangking
jumlah penjualan oleh salesman di tingkat populasi
H1: Ada hubungan antara ranking nilai ujian tertulis salesman dengan rangking jumlah
penjualan oleh salesman di tingkat populasi
Tingkat Signifikansi: [Math Processing Error]α=5%
Statistik uji:
Data yang sudah di ranking.
Ranking Nilai Ranking Jumlah [Math Processing [Math Processing
Salesman Ujian Tertulis Penjualan Error]di Error]di2
A 5 3 2 4
B 6 7 -1 1
C 8 5 3 9
D 3 1 2 4
E 2 6 -4 16
F 7 8 -1 1
G 1 2 -1 1
H 4 9 -5 25
I 10 4 6 36
J 9 10 -1 1
 Ranking Nilai Ranking Jumlah [Math Processing [Math Processing
Salesman Ujian Tertulis Penjualan Error]di Error]di2
[Math Processing
Error]∑=98

Kemudian, dari tabel korelasi Spearman diperoleh nilai [Math Processing

Error]rs(0,05;10)=0,648.
Keputusan:
Karena [Math Processing Error]rs hit < [Math Processing Error]rs tabel (0,41 <
0,648) maka diputuskan gagal tolak H0.
Kesimpulan:
Dengan tingkat signifikansi 5% belum cukup bukti untuk mengatakan terdapat
hubungan/keterkaitan ranking nilai ujian tertulis dengan ranking jumlah penjualan.

D. Koefisen Kendall Tau

Korelasi Kendall Tau merupakan statistik nonparametrik dengan skala pengukuran
data sekurang-kurangnya data ordinal. Korelasi kendall tau digunakan untuk
mengukur tingkat kesesuaian yakni apakah ada perbedaan tingkat kesesuain ranking
antara 2 variabel yang diamati.
Rumus yang digunakan untuk mengukur koefisien korelasi kendall tau adalah Jika ada
ranking yang sama, maka rumus dilengkapi dengan faktor koreksi rank yang sama,
yaitu:

di mana:

atau secara ekivalen:

di mana:

Keterangan:
S: statistik untuk jumlah konkordansi dan diskordansi
C: banyaknya pasangan konkordansi (wajar)
D: banyaknya pasangan diskordansi (tidak wajar)
n: jumlah pasangan X dan Y
Tx : faktor koreksi ranking X yang sama
Ty : faktor koreksi ranking Y yang sama
Sampel Besar
Jika sampel berukuran lebih dari 10, maka terapkan aproksimasi sampel besar dengan
menganggap bahwa distribusi sampel mendekati distribusi normal (z). Dengan
demikian, kaidah pengambilan keputusan untuk analisis korelasi kendall tau sebagai
berikut:

1. Hipotesis dua arah: tolak Ho jika Z hitung > Z tabel atau Z hitung ≤ -Z tabel
untuk n dan tingkat signifikansi α.
2. Hipotesis satu sisi: tolak Ho jika nilai Z hitung > nilai Z tabel untuk n dan
tingkat signifikansi α.
3. Hipotesis satu sisi: tolak Ho jika nilai Z hitung < -Z tabel untuk n dan tingkat
signifikansi α.

Statistik uji untuk sampel besar yaitu:

di mana:

Prosedur Uji Signifikansi Korelasi Kendall Tau

Adapun langkah-langkah perhitungan koefisien korelasi kendall tau yaitu:

1. Tentukan hipotesis nol dan hipotesis alternatif. H0: tidak ada kesesuaian
ranking yang diberikan oleh X dan Y dalam populasi. H1: ada kesesuaian
ranking yang diberikan oleh X dan Y dalam populasi.
 2. Tentukan tingkat signifikansi α.
3. Hitung statistik uji dengan cara: (i) Susunlah pasangan-pasangan (Xi dan Yi)
dalam kolom menurut besarnya nilai-nilai X, dari nilai X yang paling kecil,
dalam hal ini nilai-nilai X berada dalam urutan yang wajar (natural order). (ii)
Bandingkan setiap nilai Y, satu demi satu dengan nilai yang ada di sebelah
kanannya, bila urutannya wajar (concordan) beri nilai 1, sedangkan bila
urutannya tidak wajar (disconcordan) beri nilai -1 (kurang 1). (iii) Tentukan
jumlah Concordan (C) dan Disconcordan (D). (iv) Hitung nilai S yang
diperoleh dari C – D. (v) Hitung nilai statistik τ.
4. Wilayah kritis:
5. Buatlah keputusan terima atau tolak Ho berdasarkan wilayah kritisnya.
6. Kesimpulan:
Contoh Soal Koefisen Kendall Tau

Diketahui sebuah ranking nilai wawancara dari dua orang pewawancara kepada 10
orang peserta dari tes tertulis dan tes praktek. Data nilai ranking sebagai berikut:

Apakah ada hubungan ranking penilaian dari pewawancara 1 dan pewawancara 2?

Gunakan tingkat signifikansi 5%.
Hipotesis:

H0: Tidak ada kesesuaian ranking nilai pewawancara 1 dan pewawancara 2

H1: Ada kesesuaian ranking nilai pewawancara 1 dan pewawancara 2
Tingkat signifikansi (alpha = 0,05)

Statistik uji
Ranking berdasarkan urutan pewawancara 1
Sesudah mengatur ranking-ranking itu, dengan dasar ranking dari pewawancara 1, kita
tetapkan harga S untuk ranking yang saling berhubungan dengan variabel Y sehingga
diperoleh nilai S sebesar 25.

Karena terdapat ranking kembar, maka gunakan rumus korelasi kendall tau dengan
faktor koreksi. Pertama kita hitung dulu yang berikut ini.
Dengan demikian, kita peroleh

Pada tabel kendall tau untuk nilai S = 25 dan n = 10 diperoleh nilai τ tabel = 0,014.
Karena nilai τ hitung > τ tabel, maka tolak Ho pada tingkat signifikansi α=5%.
Kesimpulan: Dengan tingkat signifikansi 5%, terdapat cukup bukti untuk mengatakan
bahwa ada kesesuaian ranking nilai pewawancara 1 dan pewawancara 2 di tingkat
populasi.